一种二进制伪随机序列盲识别方法

针对二进制伪随机序列生成多项式盲识别方法存在的需要预先知道生成多项式阶数、算法容错性能较差且复杂度较高的问题。该文提出首先将接收序列按照估计的生成多项式阶数建立分析矩阵,然后利用伽罗华域高斯列消元的方法识别出接收序列生成多项式的阶数,最后根据生成多项式的阶数构造关于生成多项式系数的方程组。为降低算法复杂度,在有限的多项式库中进行匹配搜索,能够满足该方程组的多项式就是接收序列的生成多项式。仿真结果表明,提出的方法能够区分接收序列是m序列、Gold序列或者是其他二进制伪随机序列,并有效识别其各自的生成多项式,且具有较好的容错性能。     

基于导频和多项式模型的信道估计

本文提出一种基于导频辅助、多项式近似和信号重建的信道估计通用方法,适用于高速移动环境.假定无线信道响应具有多项式特性,用两个或多个时隙的导频符号,估计出该时间段内任意符号时刻上的信道响应值.用仿真方法研究了WCDMA上行链路性能与移动台速度的关系、最佳多项式阶数和最佳时隙数,并与WMSA方法进行了比较.     

基于隐训练序列的信道阶数估计研究

在无线通信中,由于信道特性而引起的码间干扰（ISI）是影响通信质量的一个主要因素。抵消ISI的基本方法就是对接收到的数据进行均衡,均衡前进行准确的信道估计非常重要。给出一种在此信息传输系统下基于隐训练序列的信道阶数的估计方法,并对其进行了仿真分析。仿真结果显示,通过对原发送信息序列进行了帧实际数据零均值处理,达到了比较准确的信道阶数估计效果。     

近距离超宽带调频连续波雷达非线性校正研究

调频连续波雷达凭借其结构简单、造价低廉等优势在目标探测与识别等方面体现出重要的应用价值,然而系统的非线性调制问题成为制约其性能的重要因素。传统的非线性校正方法能够在一定程度上估计非线性,但估计过程中的误差传递问题导致校正效果并不理想。基于该问题,本文提出一种基于多项式回归的方法实现非线性的准确估计。所提算法首先将非线性相位建模为多项式函数,然后通过多项式回归实现参数的联合估计,以消除误差传递问题。基于估计出的参数,通过时域重采样操作实现非线性的校正。仿真结果表明,所提算法不仅能够准确估计出多项式参数,而且在一定信噪比下比传统算法更接近克拉美—罗界。X波段FMCW雷达实测数据处理结果显示,本文所提算法可以有效消除非线性误差。      

基于回归滤波器的地杂波抑制研究

本文研究了基于正交多项式拟合的回归滤波器。由于地物杂波变化缓慢,将输入信号投影到低阶多项式子空间可以很好的拟合地物杂波,进而形成一个在零频附近的带凹槽的高通滤波器。回归滤波器的频率响应仅和对信号的采样点数与正交多项式最大阶的阶数有关,通过仿真,回归滤波器对零频附近的地物杂波有明显的抑制效果,且其抑制性能优于五阶的IIR椭圆滤波器。     

多项式建模解电离层相位污染阶数选择新方法

电离层相位污染使天波超视距雷达杂波频谱展宽,影响舰船等低速目标检测.针对这一问题,近年来发展了基于分段多项式相位建模和高阶模糊函数的(HAF)解电离层污染算法,如何合理地选取模型阶数是该算法的核心.给出了两种改进的自适应多项式建模阶数选择方法.并利用仿真方法进行了验证,结果表明:基于高阶模糊函数变换性质的频域和时域阶数选择方法的计算量较现有算法有较大提高,且频域法可在较低信噪比下准确判断多项式阶数.     

高斯白噪声信道下8PSK信号信噪比估计

针对高斯白噪声信道下传统信噪比(Signal to Noise Ratio,SNR)估计算法适用的相位键控(PSK)调制阶数低、信噪比估计过程中数值计算系数大的问题,提出了一种新的8PSK信号盲信噪比估计算法。该算法理论分析了高斯白噪声信道下8PSK信号信噪比与中间观测量的数值关系,采用多项式拟合和观测量归一化处理的方式推导了二者的解析关系式。数值仿真表明该算法在-6~10 dB范围内,可取得良好的信噪比估计效果。     

声源DOA估计中LS-SVR核函数选取研究

基于多通道到达时间差(TDOA)的定位方法是声源到达方向(DOA)估计中的重要方法。其中,由TDOA到DOA的映射是该方法的一个关键,目前广泛采用的映射方法为最小二乘法。然而最小二乘法存在诸如声源位于阵列端射方向时性能急剧下降的问题。为克服这一缺点,提出了基于最小二乘支持向量回归机(LS-SVR)的映射方法。在支持向量机技术中,核函数的选取直接影响着支持向量机的性能,但之前的工作仅讨论了径向基核函数。针对声源DOA估计中的TDOA映射问题,研究了径向基核、多项式核以及线性核函数构造的LS-SVR对声源DOA估计的影响。     

利用盖尔圆定理的SIMO系统信道阶数盲估计

目前盲信道估计大多采用基于二阶统计量的估计方法,然而这一类方法的性能受到信道阶数估计准确度的严重影响。在低信噪比、存在明显首尾系数的信道条件下,大多数信道阶数估计方法的性能并不理想。本文针对这种情况,分析了接收信号自协方差矩阵的秩与信道阶数的关系。由于盖尔圆理论能够有效实现矩阵秩的估计,因此我们提出一种基于盖尔圆理论的信道阶数估计方法。该方法构造了一种改进的自适应判决门限,能够在不同的信道条件下具有更强的鲁棒性。通过仿真验证,本文所提方法在低信噪比和存在首尾系数的信道条件下,能获得较高的信道阶数估计准确率。      

改进的分段多项式建模的电离层相位去污染新方法

时变电离层的相位污染使天波超视距雷达(OTHR)的回波多普勒谱展宽.近年来已发展了基于分段的相位多项式参数建模和高阶模糊函数的方法估计和校正电离层的相位污染.由于实际电离层信道为时变的且不可预测,因此,采用预先确定阶数的建模方法有较大的局限性.本文提出了一种改进的方法来选择相位多项式建模的阶数.该方法引入三个判决准则对分段后的信号作建模阶数的自适应选择.实验结果表明,改进后的算法比原有的分段相位多项式参数估计方法以及其他两种电离层校正方法具有更好的性能,特别在校正快速变化的电离层相位污染时具有更为明显的优势.     

采用混合核支持向量机的DOA估计

人工神经网络( ANN)进行建模时通常需要准备大量的数据样本,同时网络结构一般都比较复杂;而采用支持向量机( SVM)进行建模时,不同核函数有不同的效果,各有利弊,且选取SVM模型参数的理论支撑尚不完整。为了解决这些问题,提出了一种基于混合核函数的支持向量机来改善来波到达角( DOA)的估计性能,并结合二进制粒子群算法( PSO)来对混合核函数进行参数寻优。该混合核函数由全局核函数和局部核函数构成,提高了SVM的泛化能力和学习能力。首先通过拟合多项式函数,验证了该混合核SVM的有效性。将该方法用于DOA估计建模,在不同信噪比和快拍数下,通过与径向基函数( RBF)神经网络、基于各单一核函数的SVM和MUSIC算法预测结果对比,混合核SVM均方差有所降低,提高了DOA估计的精度且有更好的稳定性。     

局部多项式回归的图像重建改进

针对随机取样产生的低分辨率图像的分布特性,在局部多项式回归的数学模型下,利用经典核回归方法重建图像的过程中,引入与取样窗范围内随机取样像素点数目相关的权重项。改进的权重函数同时受取样窗范围的控制,更具适应性,利用可控核回归方法引入局部方向信息提高重建图像的局部结构特征。仿真结果表明,改进后的方法不仅提高了重建图像的分辨率,而且降低了重建图像的均方误差。     

On Kernel Selection of Multivariate Local Polynomial Modelling and its Application to Image Smoothing and Reconstruction

This paper studies the problem of adaptive kernel selection for multivariate local polynomial regression (LPR) and its application to smoothing and reconstruction of noisy images. In multivariate LPR, the multidimensional signals are modeled locally by a polynomial using least-squares (LS) criterion with a kernel controlled by a certain bandwidth matrix. Based on the traditional intersection confidence intervals (ICI) method, a new refined ICI (RICI) adaptive scale selector for symmetric kernel is developed to achieve a better bias-variance tradeoff. The method is further extended to steering kernel with local orientation to adapt better to local characteristics of multidimensional signals. The resulting multivariate LPR method called the steering-kernel-based LPR with refined ICI method (SK-LPR-RICI) is applied to the smoothing and reconstruction problems in noisy images. Simulation results show that the proposed SK-LPR-RICI method has a better PSNR and visual performance than conventional LPR-based methods in image processing.     

Numerical convergence in periodic method of moments analysis of frequency-selective surfaces based on wire elements

We present a subdomain formulation of the periodic method of moments (PMM) with thin-wire kernel for analyzing frequency-selective surfaces (FSSs) with rectilinear wire-type elements. Analysis of the convergence of the impedance matrix for a FSS with aligned unidirectional elements indicates the effect of individual oscillatory and decaying components. For the individual impedance elements of this FSS, we prove and demonstrate the universality of their envelopes as a function of shell size in the spectral domain. For N wire segments, the PMM converges according to O(N/sup 4/). The dependence on the order of polynomial basis functions shows a geometric progression. The theory is also applied to a single-layer FSS having asymmetrically split segmented rings.     

Optimal Volterra kernel estimation algorithms for a nonlinearcommunication system for PSK and QAM inputs

A fifth-order Volterra kernel estimation algorithm, which is optimal in the least mean square error sense, for a bandpass nonlinear system is derived. The algorithm is based on some characteristics of i.i.d. circularly symmetric zero-mean complex-valued Gaussian random variables. The proposed algorithm can be used to identify a nonlinear system under uniformly i.i.d. rectangular M-QAM input and under uniformly i.i.d. M-PSK input (M⩾4) with modest modification. The same approach has been used to derive an optimal Volterra kernel estimation algorithm up to the third order. However, in some cases, a third-order model is not of “high enough order” to capture the nonlinear system characteristics. A simulation example is given to show the necessity of deriving a fifth-order Volterra kernel estimation algorithm and to test for the correctness of the algorithm     

基于分裂Bregman算法的单帧运动图像盲去模糊

提出一种基于分裂Bregman算法的单帧运动图像盲去模糊方法,该算法分为模糊核估计和图像复原两个阶段.在估计模糊核时,首先利用双边滤波器去除图像中的噪声,再采用改进的冲激滤波器对图像进行边缘增强,选取有用的边缘信息估计模糊核,并对估计出的模糊核进行修正,从而得到高质量的模糊核.图像复原阶段,利用分裂Bregman算法交替迭代得到去模糊后的图像.该算法具有降噪和边缘增强的功能,并能保持图像总变分不变,使图像复原效果更好且计算时间有大幅降低.     

基于可信度累积的伪随机序列多项式估计算法

针对高阶误码条件下伪随机序列多项式估计算法效率不高、容错性能差等问题进行研究,提出一种基于可信度累积的多项式估计算法。该算法结合了基于二元序列迭代的BM算法和改进型Chase算法,利用序列软信息,在BM算法外部构建序列及多项式可信度集合,通过可信度累积实现估计。然后,利用本原多项式的二元域性质,通过缩小累积多项式规模,提高估计精度。仿真结果表明,该算法性能不受制于多项式抽头个数,在误码率为18%的条件下能够完成17阶m序列多项式估计。     

基于边缘信息的运动模糊图像的鲁棒盲复原

为获得适用于不同模糊图像且简捷的图像盲复原方法,提出了一种稳健的从单幅模糊图像中求取模糊核并对图像去模糊的图像盲复原方法。根据模糊图像与非模糊图之间的边缘关系求模糊核,并在多尺度框架下针对各个子算法设定自适应参数,从而构建一个稳健的图像盲复原方法。对复原结果用4种无参考的图像质量评价方法的评价结果显示,本文方法在噪声和...     

几种发射分集OFDM系统信道估计方法性能评估

给出了3种基于发射分集的OFDM系统信道估计方法,分别从训练序列对算法的影响、估计准确度、算法复杂度和算法适用性等方面对各自性能作了分析比较,并进行了仿真.分析比较和仿真结果表明,训练序列对3种算法的影响很大,通过训练序列的正交化设计,LS和EM算法可以得到很大程度的简化;EM算法与LS算法估计精度相当,信噪比较大时,多项式模型算法估计精度要远远高于LS和EM算法;总体上来说,多项式模型算法复杂度最高,EM算法复杂度最低.